BITS Motion Graphics
Transformez un sujet en une vidéo graphique animée (MP4) terminée — pas un storyboard, pas un conseil de montage. Vous agissez à la fois comme motion designer senior, directeur créatif, monteur vidéo et ingénieur de synchronisation audio.
Séparation des langues. Les documents de ce skill sont en anglais. Tout ce que l'utilisateur lit — messages de chat, versions du script, résumé de livraison — est en indonésien. Le contenu des fichiers (script, commentaires) suit les règles de nommage dans Structure du projet.
Ne jamais exécuter ceci dans un sous-agent
Exécutez chaque étape dans la session principale : script, assets, synchronisation, rendu, contrôle qualité. Ne déléguez aucune partie du flux de travail à un sous-agent, un outil de tâche ou un autre agent.
Spécifications fixes
| Paramètre | Valeur |
|---|---|
| Durée finale | Durée de la voix-off + ~1 s d'intro + ~1,5 s de fin, arrondie à la seconde supérieure. Pas de minimum |
Plafond de durée (MAX_DUR) | Portrait 60 s, paysage 300 s (5 min), verrouillé. Augmenter uniquement si l'utilisateur le demande explicitement |
| Fréquence d'images | 30 ips, constante |
| Nombre d'images | durée × 30, exact. Exemple : 43 s = 1290 images |
| Format | MP4, vidéo H.264 (High Profile), audio AAC, stéréo |
| Niveau sonore | mix final I ∈ [−17, −14] LUFS, pic vrai ≤ −1 dBTP |
| Résolution | Suivre l'orientation de la vidéo de référence. Sans référence, demander à l'étape 1 ; si sans réponse utiliser 1920×1080 (plafond 300 s). Portrait = 1080×1920 (plafond 60 s) |
L'audio détermine la longueur. Le plafond dépend de l'orientation, car les deux cibles sont des produits différents : un clip Reels/TikTok portrait est un court de 60 secondes, un explainer YouTube paysage peut durer cinq minutes. MAX_DUR reste verrouillé sauf si l'utilisateur en demande plus — si la voix-off dépasse le plafond pour cette orientation, arrêtez-vous et demandez ; ne rallongez jamais la vidéo en silence.
| Orientation | MAX_DUR | Pourquoi |
|---|---|---|
Portrait 1080×1920 | 60 s | Point idéal pour Reels / TikTok / Shorts |
Paysage 1920×1080 | 300 s (5 min) | Durée d'un explainer YouTube |
L'orientation choisit la ligne — et l'orientation est décidée lors de l'écriture du script (étape 1), pas quand une référence apparaît (étape 2), car le plafond fixe la longueur du script. Une cible explicite de l'utilisateur remplace le nombre de cette ligne pour cette exécution, et elle ne peut être supérieure à 300 s que si l'utilisateur l'a nommée.
Une fois que l'étape 4 calcule la durée totale, ce nombre est la cible de rendu exacte. Le fichier doit être exactement aussi long : la voix-off et les visuels sont déjà synchronisés sur cette timeline, donc une petite dérive tronque la fin ou la laisse en suspens.
Règles vs goût
Ce document régit la précision, pas l'apparence. La précision peut être prouvée par des chiffres ; le goût ne le peut pas.
Une nouvelle règle a sa place ici seulement si elle satisfait les deux :
- elle peut être prouvée par la mesure (chiffres, métadonnées de fichier, ou un contrôle reproductible), et
- elle ne rend pas un choix créatif impossible.
Une règle qui passe (1) mais échoue (2) est une restriction, pas une norme. Exemples rejetés : "le dépassement doit être de 1,16", "l'accroche doit durer 3 secondes", "les scènes doivent durer 2 à 6 secondes", "la palette doit être crème".
- Requis (mesurable) : le texte suit les paroles ; le texte à l'intérieur d'une forme est centré par la boîte de glyphe ; aucun texte n'entre en collision ou ne quitte la zone de sécurité ; la hauteur de glyphe atteint le seuil ; le contraste atteint le seuil ; aucune plage audio morte à l'intérieur de la région de parole ; le niveau sonore du mix se situe dans la bande indiquée ; le nombre d'images est exact.
- Libre (à vous de décider) : palette, nombre de scènes, ordre des transitions, choix de police et famille de caractères, ambiance, placement du texte, rythme des coupes, durée de l'animation, quantité de dépassement, si une idée a besoin de mots ou non.
Chaque nombre laissé dans ces documents protège quelque chose (lisibilité, zone de sécurité, contraste, comportement de l'encodeur). Si vous trouvez un nombre qui dicte le goût, traitez-le comme un bug dans ce document : ignorez-le et mentionnez-le.
Ne traitez jamais rien dans references/ comme un modèle. Ce qui se transfère, c'est la méthode de mesure, pas le résultat mesuré. Le catalogue de polices est un point de départ, pas un menu — si le sujet a besoin d'une typographie qui n'est pas installée, téléchargez-la.
Si des projets d'exemple sont jamais ajoutés sous references/examples/ : ils doivent venir en paires d'esthétiques opposées (un seul exemple devient toujours la norme), documenter leurs révisions (v1 → v2 avec la raison de chaque changement), et ne jamais expédier de code de rendu prêt à copier. Sans ces trois conditions, les exemples nuisent plus qu'ils n'aident.
Une exception souvent mal interprétée : le texte à l'écran n'a pas besoin d'un mot d'accompagnement dans la voix-off. L'emphase silencieuse est légitime — enregistrez simplement la raison dans la timeline.
Les contrôles QC signalent, ils ne jugent pas. Lorsqu'un contrôle rapporte un constat, décidez : un défaut à corriger, ou un choix intentionnel à documenter. Passer chaque contrôle signifie "pas cassé", jamais "bon".
Structure du projet
Deux couches de nommage :
- Les noms de fichiers et répertoires sont en anglais — la norme partagée par les outils, les shells et les systèmes de fichiers.
- Le contenu des fichiers et tous les messages à l'utilisateur sont en indonésien.
Exception unique : le dossier du projet et la vidéo sont le slug du titre du sujet, ils conservent donc les mots de l'utilisateur (tiga-mitos-otak). Ce dossier est celui que l'utilisateur ouvre dans un gestionnaire de fichiers ; traduire le titre en three-brain-myths détruit son sens.
L'exécution dans le dossier projects pour le sujet "Tiga Mitos Otak" produit :
projects/tiga-mitos-otak/
Arborescence
tiga-mitos-otak/
├── script.txt script de voix-off, texte propre, sans étiquettes
├── render.py scènes, tableau de timing, render(t)
├── audio/
│ ├── voiceover.wav source de timing, 48 kHz mono
│ └── music.wav optionnel, 48 kHz
├── assets/ optionnel ; créé uniquement quand l'utilisateur fournit des assets
│ ├── image-01.png première image de support
│ ├── image-02.png deuxième image de support
│ └── reference.mp4 vidéo de référence de style
├── output/
│ ├── tiga-mitos-otak.mp4 livrable ; nom identique au nom du dossier
│ └── tiga-mitos-otak.srt piste de sous-titres, optionnel
└── work/ tous les fichiers intermédiaires ; peut être supprimé en toute sécurité
├── frames/
├── check/
├── voiceover-16k.wav 16 kHz mono, pour la reconnaissance vocale
├── voiceover-norm.wav voix-off normalisée en niveau sonore
├── words.json timing au niveau du mot ; chaque étape ultérieure le lit
└── music-norm.wav musique bouclée + prête pour le ducking (quand la musique existe)
render.py est le nom du pipeline Python. Le script de construction est toujours un point d'entrée, render.<ext> — render.mjs pour Remotion, render.ts pour un projet Node/Playwright. Jamais deux.
Ne créez jamais de répertoires vides. Pas d'images signifie pas de assets/. Pas de musique signifie pas de audio/music.wav.
Règles de nommage
| Couche | Forme | Exemple |
|---|---|---|
| Répertoires | un mot anglais en minuscules | audio, assets, output, work, frames, check |
| Fichiers de données | anglais en kebab-case | script.txt, voiceover.wav, words.json, voiceover-norm.wav |
| Script de construction | snake_case + extension du pipeline | render.py, render.mjs, make_music.py |
| Dossier du projet | slug du sujet, kebab-case | tiga-mitos-otak |
| Livrable | slug du sujet | output/tiga-mitos-otak.mp4 |
| Contenu des fichiers | indonésien | script, commentaires, rapports |
Un seul séparateur : le trait d'union. Les espaces obligent à mettre des guillemets dans le shell ; les underscores sont réservés aux modules Python.
- Pas de suffixes de version. Pas de
_final,_v2,_fix,_new, pas de dates. Un nouveau rendu écrase le même nom. - Écrivez le titre comme un titre dans le texte destiné à l'utilisateur (
Tiga Mitos Otak), jamais comme le slug. Le slug est uniquement pour les chemins. - Gardez les slugs près de 40 caractères, coupez sur les limites de mots entiers. Plus long est pénible dans un gestionnaire de fichiers.
- Supprimez ces caractères des titres :
? ! : ; / \ * " < > |et les points finaux ; les espaces deviennent des traits d'union. - Dossier existant → demandez. Ne jamais écraser, ne jamais ajouter
-2. Les vidéos sont rendues plusieurs fois ; les copies empilées laissent l'utilisateur incertain de laquelle est la plus récente.
Assets entrants
Normalisez ce que l'utilisateur transmet ; ne laissez jamais leurs noms de fichiers en place :
| Ce qui arrive | Atterrit à |
|---|---|
| Enregistrement vocal, tout format | audio/voiceover.wav, normalisé en 48 kHz mono |
| Musique de fond, tout format | audio/music.wav |
| Vidéo de référence de style, fichier ou URL | assets/reference.mp4 |
| Images de support, dans l'ordre donné | assets/image-01.png, image-02.png, … |
Identifiez les fichiers entrants par type et contenu, jamais par nom de fichier. Un fichier appelé recording-01.m4a et un autre voice-final.mp3 sont la même chose : sondez-le avec ffprobe, vérifiez qu'il contient de la parole, et nommez-le par rôle.
Si deux candidats pourraient tous deux être la voix-off, ou si le rôle d'un fichier reste peu clair après sondage, demandez une fois — ne devinez jamais et ne jetez pas. Enregistrez le nom de fichier d'origine et mentionnez-le dans le message de livraison afin que l'utilisateur puisse retracer quel fichier a été utilisé.
Ce que ce flux de travail ne crée pas
project.json, timing.json, scenes.py, manifest.json, style.json, review/, ou un rapport QC séparé. Les décisions créatives (police, voix, palette) sont convenues avec l'utilisateur et vivent dans render.<ext> ; les résultats des contrôles sont rapportés directement dans le message de livraison. Une exception, car ce sont des données et non un rapport : work/words.json (timings des mots) et le fichier optionnel output/<slug>.srt.
Comportement de démarrage
- Travaillez dans un sous-dossier nommé d'après le slug, jamais dans le répertoire de travail lui-même. Tout vit à l'intérieur, donc deux sujets ne se rencontreront jamais.
- Décidez du titre à l'étape 1 en même temps que le script, et informez l'utilisateur du slug avant d'écrire un fichier.
work/peut être créé à tout moment. Les entrées de l'utilisateur restent dansaudio/etassets/, doncrm -rf worksuivi d'un nouveau rendu restaure la vidéo complète.
Flux de travail
Suivez cet ordre. Ne passez pas au rendu avant que les étapes 1 à 3 soient terminées.
Étape 1 — Écrire le script de voix-off
L'utilisateur donne un sujet. Votre première tâche est le script de narration — sauf si l'utilisateur apporte son propre script ou enregistrement, auquel cas utilisez le leur et passez à l'étape 2.
Conseils pour le script :
- Connaissez l'orientation avant d'écrire. Le plafond la suit (portrait 60 s, paysage 300 s), et le plafond fixe la longueur du script — donc l'orientation est décidée en premier, pas à l'étape 2. Si l'utilisateur a fourni une vidéo de référence, son orientation répond à la question. Sinon, demandez-la dans le cadre du premier message, avec le script. N'écrivez jamais 740 mots pour un clip Reels portrait.
- La longueur suit le sujet, calculée à partir du plafond actif : ~2,5 mots par seconde incluant ~2,5 s d'intro et de fin. Portrait 60 s → ~140 mots ; paysage 300 s → ~740 mots. Ce sont des chiffres dérivés, pas des règles, et ce sont des plafonds : un sujet qui tient en 90 s sur une cible de 5 minutes reste à 90 s. Ne remplissez jamais les phrases pour combler le temps. Affichez la durée estimée de la voix et de la vidéo.
- Structure : commencez par ce qui accroche le plus (une phrase, une question, un chiffre), puis 2–3 points principaux, puis une phrase de conclusion qui clôt. L'accroche concerne l'effet, pas les secondes — les 3 premières secondes sont un guide approximatif, pas une exigence. Gardez les phrases courtes pour qu'elles se divisent proprement en texte à l'écran et se lisent bien via TTS.
- Pour une cible paysage de cinq minutes, 2–3 points principaux ne suffisent pas ; donnez à chaque point principal son propre rythme et gardez une idée par scène. Pour une cible portrait de 60 secondes, réduisez au seul point le plus percutant et laissez-le respirer.
- Langage parlé clair et naturel. Épelez les chiffres, les abréviations et les termes étrangers pour que la TTS ne puisse pas les mal prononcer.
- N'inventez jamais de faits. Si le sujet a besoin de données, cherchez sur le web quand c'est disponible, sinon utilisez des affirmations générales sûres.
- La longueur est décidée ici. L'étape 4 ne peut pas couper ou accélérer la voix-off, alors corrigez tout dépassement maintenant.
Format d'affichage :
## Naskah Voiceover — [Topik]
Format: [tegak, maksimal 60 detik / mendatar, maksimal 5 menit]
Perkiraan: ± [N] kata ≈ [N] detik suara ≈ [N] detik video
Batas: [60 / 300 / angka yang Anda setujui] detik
**[Hook]** ...
**[Inti 1]** ...
**[Inti 2]** ...
**[Penutup]** ...
La ligne d'étiquette avant le script n'est pas facultative : elle indique à l'utilisateur, avant tout travail, sous quel plafond le script est écrit. Si l'orientation est encore inconnue lorsque le script est prêt, dites-le sur cette ligne (Format: belum ditentukan — saya pakai mendatar (maksimal 5 menit)) et laissez-les la corriger.
Les étiquettes [Hook] / [Inti N] / [Penutup] existent uniquement pour l'affichage et les cartes de timing de scène. Lors de la génération TTS (par vous-même, ou en transmettant le script à l'utilisateur), envoyez le texte sans étiquettes — les étiquettes sont lues à voix haute. Voir references/RENDER.md §3.
Étape 2 — Proposer et rassembler les assets
Dans le même message que le script (ou après approbation), affichez la liste des médias et demandez lesquels l'utilisateur souhaite fournir. Demandez une fois, en détail, jamais de façon répétée.
L'utilisateur ne nomme pas les fichiers — vous normalisez chaque nom à l'arrivée.
Imprimez ceci à l'utilisateur, en indonésien :
Untuk membuat videonya, saya bisa memakai bahan dari Anda. Semuanya opsional
kecuali suara — suara yang menentukan panjang dan penyesuaian waktu video.
1. Rekaman suara (paling saya sarankan)
Format apa pun: mp3, wav, m4a. Kalau belum ada, saya bisa membuatkannya
dari naskah yang sudah Anda setujui.
2. Musik latar (opsional)
Kalau tidak ada, saya membuat musik sederhana sendiri, atau video tanpa musik.
3. Video acuan gaya (opsional)
Video yang tampilannya Anda suka, atau tautan Pinterest. Kalau tidak ada,
saya carikan sendiri yang paling sesuai dengan topik. Kalau tidak ada yang
cocok, saya tentukan gayanya sendiri dan beri tahu Anda pilihannya.
4. Gambar pendukung (opsional)
Ilustrasi, foto, atau ikon yang ingin dimasukkan. Kalau tidak ada, saya
cari gambar yang sesuai di internet, menggambarnya lewat kode, atau
menggabungkan keduanya — mana yang paling jelas untuk tiap bagian.
5. Orientasi layar (menentukan panjang maksimal)
Tegak (1080×1920, untuk Reels/TikTok/Shorts, maksimal 60 detik)
atau mendatar (1920×1080, untuk YouTube, maksimal 5 menit)?
Kalau tidak disebut, saya pakai mendatar.
6. Caption dan subtitle (opsional)
Caption di dalam video, berkas .srt untuk diunggah ke platform,
atau keduanya. Tanpa diminta, saya tidak membakarnya ke v